R数据科学--使用ggplot2进行数据可视化2

7.统计变换

（1）diamonds数据集

# ggplot2内置数据集，包含53940颗钻石的信息。
# carat：克拉
# cut：切割质量
# color：颜色等级
# clarity：纯净度等级
# depth：深度比例
# table：钻石顶部相对于最宽点的宽度
# price：价格
# "x" "y" "z" ：长宽深
# ↑以上来自帮助文档?diamonds

（2）统计变换函数和几何对象函数

# 统计变换：绘图时用来计算新数据的算法叫做统计变换stat
# geom_bar做出的图纵坐标为count，是计算的新数据。
# geom_bar的默认统计变换是stat_count，stat_count会计算出两个新变量-count（计数）和prop（proportions，比例）。
# 每个几何对象函数都有一个默认的统计变换，每个统计变换函数都又一个默认的几何对象。
# 用几何对象函数geom_bar作直方图，默认统计变换是stat_count，
  diamonds
# A tibble: 53,940 x 10
   carat cut       color clarity depth table price     x     y     z
                  
 1 0.23  Ideal     E     SI2      61.5    55   326  3.95  3.98  2.43
 2 0.21  Premium   E     SI1      59.8    61   326  3.89  3.84  2.31
 3 0.23  Good      E     VS1      56.9    65   327  4.05  4.07  2.31
 4 0.290 Premium   I     VS2      62.4    58   334  4.2   4.23  2.63
 5 0.31  Good      J     SI2      63.3    58   335  4.34  4.35  2.75
 6 0.24  Very Good J     VVS2     62.8    57   336  3.94  3.96  2.48
 7 0.24  Very Good I     VVS1     62.3    57   336  3.95  3.98  2.47
 8 0.26  Very Good H     SI1      61.9    55   337  4.07  4.11  2.53
 9 0.22  Fair      E     VS2      65.1    61   337  3.87  3.78  2.49
10 0.23  Very Good H     VS1      59.4    61   338  4     4.05  2.39
# ... with 53,930 more rows
  count(diamonds,cut) #显示出现次数
# A tibble: 5 x 2
  cut           n
       
1 Fair       1610
2 Good       4906
3 Very Good 12082
4 Premium   13791
5 Ideal     21551
  ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut))

image.png

用统计变换函数stat_count做计数统计图，默认几何对象是直方图。

ggplot(data = diamonds) +
stat_count(mapping = aes(x = cut))

image.png

这两个代码做出的图片结果是一致的。两种方法没有优劣之分。

（3）显示使用某种统计变换的原因

# 覆盖默认的统计变换
# 直方图默认的统计变换是stat_count,也就是统计计数。当需要直接用原表格的数据作图时就会需要覆盖默认的。

demo <- tribble(
  ~cut,         ~freq,
  "Fair",       1610,
  "Good",       4906,
  "Very Good",  12082,
  "Premium",    13791,
  "Ideal",      21551
) #新建表格并赋值给demo

ggplot(data = demo) +
  geom_bar(mapping = aes(x = cut, y = freq), stat = "identity") #覆盖默认的统计变换，使用identity。

image.png

覆盖从统计变换生成变量到图形属性的默认映射
直方图默认的y轴是x轴的计数。此例子中x轴是是五种cut（切割质量），直方图自动统计了这五种质量的钻石的统计计数，当你不想使用计数，而是想显示各质量等级所占比例的时候就需要用到prop。

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))

image.png

这里group=1的意思是把所有钻石作为一个整体，显示五种质量的钻石所占比例体现出来。如果不加这一句，就是每种质量的钻石各为一组来计算，那么比例就都是100%，显示五根大黑柱子，实在是丑出新高度。

在代码中强调统计变换

以stat_summary为例。

ggplot(data = diamonds) + 
  stat_summary(
    mapping = aes(x = cut, y = depth),
    fun.ymin = min,
    fun.ymax = max,
    fun.y = median
  )

image.png

stat_summary的默认几何图形是geom_pointrange,而这个geom_pointrange默认的统计变换却是identity，如果你不知道其中猫腻，就会发现他俩代码竟然不可逆。。。）

因此要用几何对象函数重复这个图形，则需要指定stat_summary。

ggplot(data = diamonds) +
  geom_pointrange(
    mapping = aes(x = cut, y = depth),
    stat = "summary",
    fun.ymin = min,
    fun.ymax = max,
    fun.y = median
  )

image.png

8.位置调整-position

# 在直方图中，颜色映射是由color和fill之分的，表示边框和填充。如果要设置无填充（也就是透明），则fill=NA。NA在数据框里表示空值。
# (1)直方图之堆叠式-fill
# 
# 堆叠式就是在基础条形图上添加第三个变量，将这个变量映射给fill，就会在每个条形中分出不同颜色且不同比例的矩形。
ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut,fill=clarity))

image.png

# 除了映射的方式以外，position参数设置位置调整功能。position="fill"也可以设置，但这样设置的每组堆叠条形具有相同的高度。
ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, fill = clarity), position = "fill")

image.png

（2）直方图之对象直接显示-identity

ggplot(data = diamonds, mapping = aes(x = cut, fill = clarity)) + 
  geom_bar(alpha = 1/5, position = "identity")

image.png

ggplot(data = diamonds, mapping = aes(x = cut, colour = clarity)) + 
  geom_bar(fill = NA, position = "identity")

image.png

书中23页identity设置透明度和无填充的图是错的！

正确的是这样

（3）直方图之并列式-dodge

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")

image.png

（4）散点图之扰动-jitter

书中翻译为抖动，我认为扰动更精确。

# 以mpg的displ和hwy散点图为例
ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy))

image.png

# 在这个例子中，数据有234行，图中却只有126个点。这就是因为有些点是重叠的，图上虽然显示一个点，但其实是好几个点重叠成了一个。
# jitter可以为点添加随机扰动，使重叠的点分散开。
# position参数设为jitter的快速实现：geom_jitter()
# 除了geom_jitter外，geom_point也可以展示重叠点，会根据重叠点的个数调整大小。

（5）stack-堆叠 无

# ggplot(series, aes(time, value, group = type)) +
#   geom_line(aes(colour = type), position = "stack") +
#   geom_point(aes(colour = type), position = "stack")
# 
# ggplot(series, aes(time, value, group = type)) +
#   geom_line(aes(colour = type)) +
#   geom_point(aes(colour = type))

设置position_stack（上）和不设置（下）的区别：

9.坐标系

（1）coord_flip翻转坐标系

ggplot(data = mpg, mapping = aes(x = class, y = hwy)) + 
  geom_boxplot() +
  coord_flip()

image.png

（2）coord_quickmap

# 为地图设置长宽比
# 此处需要加载maps包，否则会报错。
library(maps)
#如果报错则：install.packages("maps")
#library(maps)
nz <- map_data("nz")

ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", colour = "black")

image.png

ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", colour = "black") +
  coord_quickmap()

image.png

geom_polygon 是多边形图

（3）coord_polar 极坐标系

bar <- ggplot(data = diamonds) + 
  geom_bar(
    mapping = aes(x = cut, fill = cut), 
    show.legend = FALSE,
    width = 1
  ) + 
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)
bar + coord_flip()

image.png

bar + coord_polar()

image.png

ps：习题中涉及的

(1)关于饼图/牛眼图/圆圈图

ggplot(mpg, aes(x = factor(1), fill = drv)) +
  geom_bar()

image.png

ggplot(mpg, aes(x = factor(1), fill = drv)) +
  geom_bar(width = 1) +
  coord_polar(theta = "y")

image.png

# 要点：
# 
# 不分组，只有一个因子型变量drv。
# 如果作图不设置width，饼图中间会出现一个白色圈圈。经测试发现width等于几在图上并没有区别，但是不设置却不行。
# 
# theta是角度的意思。如果不设置这个参数就会得到牛眼图哈哈哈哈哈哈。
# 
# 作者取名叫牛眼图
# 
# 多圆圈图

ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity), position = "fill") +
coord_polar(theta = "y")

![image.png](https://upload-images.jianshu.io/upload_images/19009296-a5905f2362d5d6de.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

# (2)第三题
# 
# geom_abline:添加线条
# coord_fixed:保证横纵坐标的标尺一致，线条呈45°角
# 10.完整的绘图模板
# ggplot(data = ) + 
#   (
#     mapping = aes(),
#     stat = , 
#     position = 
#   ) +
#    +
#   
#   图形构建的过程
# 
# （1）数据集
# （2）统计变换
# （3）几何对象
# （4）映射fill
# （5）放置
# （6）映射x/y

参考
R数据科学--详解ggplot2